임신 중 약물 사용의 전체 효과 추정 시 건강한 생출아 수를 경쟁 사건으로 고려해야 하는 이유

핵심 개념

임신 결과에 대한 산전 약물 사용의 총 효과를 추정할 때, 건강한 생존 출산을 경쟁 위험으로 고려하지 않으면 편향된 결과가 나올 수 있다.

초록

임신 중 약물 사용 연구에서 건강한 생존 출산을 경쟁 위험으로 모델링해야 하는 중요성

본 연구 논문은 임신 결과에 대한 산전 약물 사용의 영향을 연구할 때, 특히 총 효과를 추정할 때 건강한 생존 출산을 경쟁 위험으로 간주해야 할 필요성을 강조하고 있다. 저자들은 건강한 생존 출산을 단순히 censoring하는 것이 아니라 경쟁 사건으로 명확하게 모델링하지 않으면 절대 위험과 치료 효과 추정치가 편향될 수 있음을 시뮬레이션 연구를 통해 입증했다.

산전 약물 사용 연구에서 건강한 생존 출산을 경쟁 사건으로 고려하지 않을 경우 발생하는 잠재적 편향을 조사한다.
시간-사건 분석에서 건강한 생존 출산을 censoring 사건이 아닌 경쟁 사건으로 취급할 때 얻을 수 있는 총 치료 효과의 정확한 추정치를 제시한다.

저자들은 CHAP(Chronic Hypertension and Pregnancy) 임신 임상 시험의 단순화된 버션을 시뮬레이션하여 두 가지 주요 결과를 평가했다.

심각한 산전 자간전증 또는 태아 사망의 복합 결과
출생 시 저체중아

임신은 임의로 항고혈압제를 시작하거나 시작하지 않도록 할당되었다.
Kaplan-Meier 추정량과 Aalen-Johansen 추정량을 사용하여 다양한 시나리오에서 위험을 추정했다.

Kaplan-Meier 추정량은 건강한 생존 출산을 censoring 사건으로 취급했다.
Aalen-Johansen 추정량은 건강한 생존 출산을 경쟁 사건으로 모델링했다.

시뮬레이션 결과를 잠재적 결과(즉, 모든 사람이 치료를 시작했거나 시작하지 않았을 경우의 결과)와 비교하여 편향을 평가했다.

핵심 통찰 요약

Healthy Live Births Should be Considered as Competing Events when Estimating the Total Effect of Prenatal Medication Use on Pregnancy Outcomes

by Chase D. Lat... 게시일 arxiv.org 11-01-2024

https://arxiv.org/pdf/2410.23521.pdf

더 깊은 질문

산전 약물 노출 연구에서 건강한 생존 출산을 경쟁 위험으로 모델링하는 것 외에 편향을 줄이기 위한 다른 방법은 무엇일까?

건강한 생존 출산을 경쟁 위험으로 모델링하는 것은 산전 약물 노출 연구에서 편향을 줄이는 데 중요하지만, 다른 방법들도 함께 사용될 수 있습니다.

다중 상태 모델(Multi-state model) 활용: 임신 과정을 여러 상태로 나누어 분석하는 다중 상태 모델은 시간의 흐름에 따른 다양한 임신 결과와 노출의 영향을 보다 정확하게 파악할 수 있도록 합니다. 예를 들어, '정상 임신', '임신성 고혈압', '조산', '정상 분만', '사산' 등으로 상태를 구분하여 각 상태 사이의 전이 확률을 추정하고 분석하는 방식입니다. 이는 단순히 생존 출산 여부만을 고려하는 것보다 다양한 요인과의 인과 관계를 파악하는 데 유용합니다.

역 확률 가중치(Inverse probability weighting, IPW): IPW는 특정 요인에 대한 노출 및 경쟁 위험 발생 확률을 사용하여 각 개인에게 가중치를 부여하는 방법입니다. 이를 통해 특정 요인에 노출된 그룹과 노출되지 않은 그룹 간의 특성을 유사하게 만들어, 선택 편향(selection bias)을 줄일 수 있습니다. 예를 들어, 특정 약물 복용 여부가 연구 대상 선정에 영향을 미치는 경우, IPW를 통해 이러한 선택 편향을 보정할 수 있습니다.

G-estimation: G-estimation은 시간에 따라 변화하는 노출 및 경쟁 위험 요인을 고려하여 인과 효과를 추정하는 방법입니다. 이는 시간에 따라 약물 복용 여부가 달라지거나, 다른 치료법으로 전환하는 경우에도 적용 가능하다는 장점이 있습니다.

임신 종료 사유에 대한 자세한 정보 수집: 자연 유산, 인공 유산, 그리고 산모의 선택에 의한 임신 중단 등 임신 종료 사유를 명확히 구분하여 수집하는 것은 편향을 줄이는 데 도움이 됩니다. 이는 각각의 임신 종료 사유에 따라 약물 노출의 영향이 다르게 나타날 수 있기 때문입니다.

민감도 분석(Sensitivity analysis) 수행: 모델의 가정 및 결측값 처리 방법에 따라 결과가 어떻게 달라지는지 확인하는 민감도 분석은 연구 결과의 견고성을 평가하는 데 중요합니다.
위에서 언급된 방법들을 단독으로 사용하거나 조합하여 연구 설계 및 분석을 수행함으로써 산전 약물 노출 연구에서 편향을 최소화하고 보다 정확한 결과를 얻을 수 있습니다.

총 치료 효과에 초점을 맞추는 것이 항상 산전 약물 노출 연구에 가장 적합한가? 특정 상황에서 직접 효과가 더 유용할 수 있을까?

총 치료 효과는 실제 임상 현장에서 특정 약물을 사용했을 때 나타나는 모든 효과를 포괄적으로 보여준다는 점에서 유용하지만, 항상 최적의 지표는 아닙니다. 특정 상황에서는 직접 효과가 더 유용할 수 있습니다.

총 치료 효과의 한계: 총 치료 효과는 약물의 직접적인 영향뿐만 아니라, 경쟁 위험 및 다른 요인들의 영향까지 모두 포함하기 때문에 약물의 순수 효과를 파악하기 어려울 수 있습니다. 예를 들어, 특정 약물이 조산 위험을 낮추는 동시에 태아에게 드물지만 치명적인 부작용을 일으킬 수 있다고 가정해 보겠습니다. 이 경우, 총 치료 효과만을 고려하면 약물의 긍정적인 측면만 부각될 수 있습니다.

직접 효과가 더 유용한 경우: 반면, 직접 효과는 다른 요인들의 영향을 배제하고 약물 자체의 효과만을 분리하여 보여줍니다. 위의 예시에서 직접 효과를 추정하면 약물이 조산 위험 감소 효과 외에도 태아에게 치명적인 부작용을 일으킬 수 있다는 사실을 명확하게 보여줄 수 있습니다. 따라서 약물의 잠재적 위험 및 혜택을 모두 고려하여 치료 결정을 내려야 하는 상황에서는 직접 효과가 더 유용한 정보를 제공할 수 있습니다.

결론: 산전 약물 노출 연구에서 어떤 효과에 초점을 맞출지는 연구 목적 및 특성에 따라 신중하게 결정해야 합니다. 약물의 전반적인 영향을 파악하고자 할 때는 총 치료 효과가, 약물 자체의 순수 효과를 평가하고자 할 때는 직접 효과가 더 적합한 지표가 될 수 있습니다.

이 연구에서 강조된 방법론적 고려 사항은 임신과 관련된 결과 이외의 다른 결과에도 어떻게 적용될 수 있을까?

이 연구에서 강조된 **'건강한 생존 출산을 경쟁 위험으로 모델링해야 한다'**는 방법론적 고려 사항은 비단 임신과 관련된 결과뿐만 아니라, 다른 다양한 연구 분야에도 널리 적용될 수 있습니다. 핵심은 특정 사건의 발생이 다른 사건의 발생 가능성을 원천적으로 차단하는 경우, 후자를 전자의 경쟁 위험으로 간주해야 한다는 것입니다. 몇 가지 구체적인 예시를 들어 보겠습니다.

암 치료 효과 연구: 특정 암 치료법의 효과를 평가할 때, 치료 도중 다른 질병이나 사고로 사망하는 경우를 경쟁 위험으로 고려해야 합니다. 만약 이러한 경쟁 위험을 고려하지 않고 단순히 암 생존율만을 비교한다면, 실제 치료법의 효과를 과대평가할 수 있습니다.

만성 질환 치료제 개발 연구: 당뇨병이나 고혈압 등 만성 질환 치료제의 장기적인 효과를 분석할 때, 환자들이 치료 도중 다른 원인으로 인해 사망하거나 치료를 중단하는 경우를 경쟁 위험으로 모델링해야 합니다. 이를 통해 치료제의 실질적인 효과 및 안전성을 보다 정확하게 평가할 수 있습니다.

교육 프로그램 효과 측정: 특정 교육 프로그램의 장기적인 효과를 평가할 때, 참여자들이 프로그램 도중 이사, 취업, 건강 악화 등의 이유로 중도 탈락하는 경우를 경쟁 위험으로 고려해야 합니다. 이러한 경쟁 위험을 고려하지 않으면 프로그램의 효과를 과대평가할 수 있습니다.
결론적으로, 어떤 연구 분야든 특정 사건의 발생이 다른 사건의 발생 가능성을 차단하는 경우, 이를 경쟁 위험으로 인지하고 적절한 통계적 방법을 사용하여 분석해야 합니다. 이를 통해 연구 결과의 정확성 및 신뢰성을 높일 수 있습니다.